前言¶
DSH 的理念是「一切皆插件」，但要在会话里用上音频，常规做法是自己搭一套 ASR 服务再写胶水代码。dsh-voice 把这件事包成一个插件：麦克风实时英文字幕加中文译文、会议记录自动落盘、一键生成结构化中文纪要、导出 Obsidian。识别在本地完成（Qwen3-ASR，MLX 加速），只有英文文本会发给 DeepSeek 做翻译和总结，音频不上传。
插件维护者是 scarf1985566475-cloud，托管在 GitHub scarf1985566475-cloud/dsh-voice，社区目录 SkillHub 收录为「工作流」分类。下面按功能、安装、用法、注意事项介绍。
这是什么¶
一句话定位：给 DeepSeek Harness 加一套耳朵、记性和笔记本，覆盖「录音 → 转写 → 英译中 → 会议记录 → 纪要 → Obsidian」这条链路。
它解决的具体问题：
- 实时英译中同传：讲者还在说，字幕已经在滚动，而不是等整句说完再出结果。
- 会议不丢内容：每次开始收听自动建档，逐句追加落盘，进程被杀也能读回已听到的部分。
- 纪要有结构：输出 JSON 再本地渲染 Markdown，待办是表格，未知信息写「未提及」而不是猜。
- 离线文件同链路：已经录好的录音、通话、视频音轨走同一套处理，产出格式一致。
适用范围明确是 macOS / Apple Silicon。模型、运行时、依赖都围绕这个平台。
核心功能¶
| 能力 | 说明 |
|---|---|
| 录音转写 | 任意 ffmpeg 可读的音频/视频 → 英文文字（含时间轴），可顺带翻译 |
| 同声传译 | 麦克风实时英文字幕 + 中文译文，在 DSH Web GUI 里直接看 |
| 会议记录 | 每次同传会话自动存档：逐句中英文 + 时间轴 + 元数据，落盘可回溯 |
| 会议纪要 | 一键把记录整理成中文纪要：概览 / 关键要点 / 决定事项 / 待办（含负责人）/ 风险 |
| 导出 Obsidian | 纪要 + 全文写成 Obsidian 原生笔记（frontmatter、双链可用、待办是真正的 checkbox） |
识别引擎是 Qwen3-ASR-0.6B-4bit（mlx-community/Qwen3-ASR-0.6B-4bit，Apache-2.0），模型目录 models/qwen3-asr-0.6b-4bit/（约 682MB），在本机 MLX 上推理。旧的 Whisper turbo / distil / small 已移到 models/_retired/，不再参与任何路径。README 给出的同台 M1（8GB）对比数据：Qwen3-ASR 加载 0.6–1.0s，常驻 RSS 约 330MB，首次解码峰值约 1.5GB，中文 TTS CER 3.9%，20s 中文 RTF 0.05–0.1。
同声传译的「同声」关键在提交时机：会话持续重解码一小段滚动窗口，句尾落在音频前沿之后 1 秒以上的句子（重新解码也不会变）就立刻提交并翻译。停止时有握手——客户端发 flush，服务把未提交窗口解码、提交、翻译完，回 flushed 后客户端才关连接，避免最后一句译文丢失。
安装与启用¶
插件包只带 Node 侧面板与守护逻辑，Python 后端必须装一次。从源码或插件包安装都是两步。
第一步，装 Python 后端到独立 venv，与 DSH 自带环境隔离：
python3 -m venv ~/.dsh-voice/venv
~/.dsh-voice/venv/bin/pip install -e /path/to/dsh-voice
~/.dsh-voice/venv/bin/dsh-voice download-model # 约 0.7GB（Qwen3-ASR-0.6B-4bit）
第二步，装 DSH 插件包：
dsh plugin --profile web add dsh-voice-interpreter
装好后让守护进程找到后端。写入 shell 启动文件（GUI 启动时生效）：
export DSH_VOICE_PROJECT=/path/to/dsh-voice # 插件安装目录
export DSH_VOICE_PYTHON=$HOME/.dsh-voice/venv/bin/python
也可以不设环境变量，改 profile 的 cordis.patch.yml，在 voice-interpreter 那行的 config 下写 projectDir / python。刷新 DSH 页面后，会话上方出现「同传」标签；点「开始收听」时插件会自动拉起服务（autoStart: false 则只做健康检查，不托管进程）。
典型用法¶
安装目录里已经建好环境时，先自检，再起服务：
.venv-audio/bin/dsh-voice doctor # 自检：ffmpeg / 模型 / 翻译 Key / 会议记录
.venv-audio/bin/dsh-voice serve
# 打开 http://127.0.0.1:8768/ 可以直接测试麦克风
不开麦克风也能验证整条链路：
.venv-audio/bin/dsh-voice selftest --live
在 DSH Web GUI 中，会话上方切到「同传」标签页，有两个模式：实时模式点「开始收听」，边听边出字幕，同时自动记录本次会议；会议记录模式左侧是历史会议列表，选中后看全文或纪要，点「生成纪要」出中文会议纪要。
已经录好的会议走同一条链路：
.venv-audio/bin/dsh-voice ingest ~/Downloads/standup.m4a --title "每日站会"
实时会话默认还会把麦克风音频存成 meetings/<id>/audio.wav（16kHz 单声道，约 115MB/小时），即使关掉实时字幕也会继续录音。停止后可离线重转写：
.venv-audio/bin/dsh-voice retranscribe 20261028-153000-000-abcd
.venv-audio/bin/dsh-voice retranscribe 20261028-153000-000-abcd --no-translate # 只要英文
重转写与实时会话、ingest 走同一个 Qwen3-ASR 模型，只是喂整段离线 WAV（30s 分块、自动语言识别），一般比实时字幕更准。
落盘结构为 meetings/<id>/：meta.json（标题/时长/段数/纪要状态）、transcript.jsonl（逐句追加日志，不重写）、audio.wav（可选）、summary.md / summary.json（会议纪要）。transcript.jsonl 一条一句，译文作为独立一行按 id 折叠回句子；损坏的尾行、找不到句子的孤儿译文会被跳过，而不是让整份记录失败。
服务端提供 HTTP 接口，便于脚本化：
| 方法 | 路径 | 说明 |
|---|---|---|
| GET | /meetings?limit=N |
会议列表（标题、时间、时长、段数、纪要状态） |
| GET | /meetings/{id} |
单个会议：元数据 + 逐句记录 + 纪要 |
| GET | /meetings/{id}/transcript?bilingual= |
纯文本全文 |
| POST | /meetings/{id}/summary |
生成纪要（{"force":true} 强制重算；已有则直接返回缓存） |
| POST | /meetings/{id}/title |
重命名会议 |
| DELETE | /meetings/{id} |
删除会议 |
| POST | /recordings/summarize |
把已有录音文件变成会议记录 + 纪要 |
另外插件通过 MCP stdio 暴露 11 个工具，覆盖转写/翻译/录音/设备/状态，以及会议列表、读取、生成纪要、处理录音文件、改名。
适用场景与注意¶
适合这两类人：一是想在 DSH 会话里做英文内容的实时中文旁白，二是想把英文会议或讲座自动沉淀为可检索、可导出的中文记录。前提机器是 macOS / Apple Silicon，能跑 MLX。
使用时的注意点：
- 插件以当前 dsh 进程的权限运行，安装前应先检查源码与许可证。本插件
package.json标注 MIT，识别模型为 Apache-2.0，但两者分开，具体以仓库内 LICENSE 文件为准。 - Python 后端是本插件唯一的手工步骤，插件包不代装；不设环境变量时要改
cordis.patch.yml。 - 实时路径每句调用一次翻译，文件路径（
ingest）每 8 句批量一次——延迟预算不同，策略不同。 - 实时面板超过 400 句只保留最近 400 句，列表顶部会提示并提供会议存档入口。
- 麦克风电平持续 3 秒为 0 时，状态会变成「未检测到声音 · 检查麦克风」。
社区目录是独立站点，与 DeepSeek / 幻方无官方从属关系，SkillHub 收录不代表官方背书。
结尾¶
dsh-voice 的价值在于把本地 ASR、实时英译中、崩溃安全的会议记录和结构化纪要整合成一个 DSH 插件，识别不出本机，音频不上传，英文文本才交给 DeepSeek。如果需求正好在这条链路上，可以从上面的两步安装开始。
目录页：https://www.skillhub.cn/plugins/scarf1985566475-cloud/dsh-voice
GitHub：https://github.com/scarf1985566475-cloud/dsh-voice
